XiaoMi-AI文件搜索系统
World File Search SystemCorpus
关于单词顺序和方面的跨语言，基于语料库的定量建模
人类语言最引人注目的特征之一是它们的极端变化。更加惊人的是，在统治其形式和功能的强烈代表性和认知规律的明显变化背后的存在：语言普遍性。我们在这里讨论我们小组的一些最新工作，其中大规模，数据密集型计算建模技术用于解决有关语言规律性的基本语言问题。在单词顺序区域中，我们在此处报告工作，这些工作利用大量单语和平行语料库数据来开发名词短语（通用20）和一般结构最小化原则的内部结构的计算模型。在事件持续时间的领域，我们报告的工作利用了深厚的相似性和表面差异来开发真正的跨语言自然语言处理工具。
基于语料库的语言教学方法
摘要 本文综合了教师的观点、学习者产出和学习者印象的分析、材料开发的想法以及总结性研究者的观察结果，这些观察源于在美国两个大学和成人留学环境中实施为期一学期（约 8 周的教学）的基于语料库和数据驱动的英语作为第二语言 (ESL) 教学。案例研究 1 调查了学习者和教师对语料库教学在培养专门为中国访问学者群体设计的学术写作技能方面的有效性的态度。案例研究 2 采用混合方法、探索性调查，研究使用支架式学生工作表指导不同熟练程度的学习者在一所位于美国的非营利性私人机构为期一学期的留学项目中使用语料库和语料库工具的情况。该工作表旨在定期将基于语料库的课程和数据纳入课堂教学或家庭作业活动。结果表明，教师们对将语料库工具纳入自己的语言课堂教学中可能带来的巨大而有希望的好处充满热情。通过具体明确的学习目标和使用指导，语料库工具可以成为课程期间和课程结束后适合学生的宝贵资源。
CDK4/6抑制剂相关的平均红体体积变化：预测
摘要目的：评估CDK4/6抑制剂对红细胞平均红体体积（MCV）变化的影响及其与无进展生存率（PFS）和总生存期（OS）的可能相关性。研究设计：观察性研究。研究的地点和持续时间：2020年1月至2023年1月之间，Turkiye的Kahramanmaras Necip Fazil City医院医学肿瘤学系。方法论：回顾性分析了74例HR（+）HER2（ - ）转移性乳腺癌患者的数据。MCV和其他全部血数指标。在三个月后进行了第一次治疗评估。计算了治疗基线后第三个月的中位ΔMCV值。结果：患者都是女性，中位年龄为55岁（35至80岁）。在治疗之前，基线中值MCV水平为90.4（最小值：77.3-113.2）。三个月后，中位MCV水平为95（最小值：84.3-115.3）。7.15是中位ΔMCV水平。关于PFS（16.53 vs. 15.26个月）（p = 0.13）和OS（21.46 vs。17.83个月（p = 0.08），在ΔMCV≥7.15的组与ΔMCV<7.15的组之间没有统计学上的显着差异。结论：CDK4/6抑制剂导致MCV增加，但PFS或OS之间没有明显的差异和MCV的增加。发现MCV的上升是否代表预后或预测标记，需要进一步的研究。
基于跨学科的语料库探索多模式对话反馈
表2。有关反馈预测和客观评估的文献摘要。方法列是指算法：基于规则的（RB），条件随机字段（CRF），隐藏的马尔可夫模型（HMM），深神经网络（DNN），长期短期记忆，歧视专家的潜在混合物（LSTM）。反馈列是指研究的反馈，第一字母表示所预测的类型：仅通用（g）或特定（g/s）；第二个字母指的是方式：口头（V）和/或手势（G）。特征列是指特征的类型：韵律（P），形态 - 句法（M），手势/视觉（G），自动回归（A）。误差范围（MOE）列指示用于评估地面真相开始反馈的窗口（ - 表示丢失的信息）。分数列包含指标和相关得分：f-Score（f），Precision（p），召回（r）。
新生儿胼胝体细胞毒性损伤并发软脑膜下出血一例
胼胝体细胞毒性病变 (CLOCC) 也称为可逆性胼胝体压部病变轻度脑病或可逆性胼胝体压部病变综合征，在磁共振成像 (MRI) 上表现为胼胝体压部可逆性扩散受限。该病变与多种病因有关，包括细菌和病毒感染、代谢紊乱、药物、癫痫、恶性肿瘤和脑出血 [4,5] 。CLOCC 以细胞毒性水肿为潜在机制，被认为是继发性病变。CLOCC 患者的典型症状通常包括癫痫发作、意识障碍和谵妄 [6] 。放射学发现包括 T2 加权成像和液体衰减反转恢复上的高信号强度、T1 加权成像和急性期的低信号强度、弥散加权图像 (DWI) 上的高信号强度以及表观弥散系数 (ADC) 值降低 [6]。病变分为三种类型：位于胼胝体压部中央的小圆形或椭圆形病变、以胼胝体压部为中心但通过胼胝体纤维横向延伸到相邻白质的病变或以后方为中心但延伸到胼胝体前部的病变 [7]。预后方面，CLOCC 通常与良好的临床和放射学结果相关。病变通常在影像学检查中一周内消失，临床症状完全恢复，没有后遗症 [5]。
胼胝体发育不全胎儿大脑解剖变异性分析
胼胝体发育不全 (CCA) 是最常见的先天性畸形之一，其神经发育结果不确定，尤其是当疾病被孤立时。为了向父母提供明智的咨询，在怀孕早期确定与预测结果相关的解剖标记至关重要。使用 CCA 对胎儿大脑进行定量探索的情况很少见，而且主要限于对特定大脑结构的研究。在这里，我们提出了一种基于微分同胚变换的胎儿大脑磁共振成像 (MRI) 分析流程。它包括两个步骤：半自动胎儿 MRI 预处理程序和量化与正常发育的解剖偏差的流程。MRI 预处理之后，使用配准将每个体积胎儿大脑与年龄匹配的健康模板大脑在全球范围内进行比较。将变形并行传输到同一空间以纠正胎儿之间的年龄差异。使用主成分分析和分类确定了 CCA 特有的变形模式。该流程在回顾性选择的 38 个健康胎儿和 73 个 CCA 胎儿的 MRI 上进行了测试。根据更多局部分析，最相关的 14 分类变形模式将众所周知的大脑改变与 CCA 相结合。15 这项初步工作有望定量探索异常胎儿大脑 16 并将在未来用于识别与不良临床结果相关的解剖特征 17。18
引用：rraklli E，Dhimitri D，LekbelloM。call体脾脏中缺血性梗死的罕见病例：诊断复杂性和疗法
call体梗塞的管理主要涉及解决潜在的血管危险因素并防止进一步的缺血性事件。抗血小板疗法，例如阿司匹林或双重抗血小板方案，是治疗的基石。汀类药物对于脂质控制和斑块稳定也至关重要[8]。血压优化和血糖控制同样至关重要。在患有严重的动脉狭窄的选定病例中，可以考虑血运重建程序，例如颈动脉内膜切除术或支架[9]。双重抗血小板治疗（DAPT）已显示通过减少血小板聚集来减轻复发性缺血事件，尤其是在具有明显的血管狭窄的高危患者中[9]。针对个人损害量身定制的康复对于恢复，强调运动，认知和功能改善至关重要[8]。
性别平衡的语料库生成神经机器翻译
神经机器翻译模型再现其培训数据中存在的性别偏见，尤其是从性别中性语言（如英语）翻译成像西班牙语（如西班牙语）的语法性别语言时。本文通过将最先进的语言调整为性别平衡且合成生成的领域来调整性别偏见。我们的方法涉及使用以结构化提示为指导的大语言模型（LLM）的合成数据扩展，因为它对可扩展数据增强具有很大的好处。我们首先识别LLM和提示组合，该组合生成最准确，最少偏见的反事实句子。实验表明，当由更广泛的示例，逐步推理引导时，Llama 2-13B模型表现最好，并使用模型所需的相同语言来完成任务。使用此设置，我们增加了一个具有性别修饰句子的数据集，然后使用Lora来调整NLLB模型，Lora是一种参数效率的方法，仅训练模型参数的1.5％。我们的实验表明，在不影响翻译质量的情况下，性别偏差的统计学显着降低。较大的数据集结合了事实和合成反事实，并滤除低质量生成的示例有助于更有效地概括性别语言模式。这些结果具有更广泛的含义：首先，参数有效的微调可以以较小的计算成本减少性别偏见；其次，llm aigment的数据集可以匹配其他合成增强方法的有效性。
逻辑提取：增强人工智能在抽象和推理语料库任务中的泛化能力
1.2 挑战与影响 ARC 公开测试中，人类的平均表现准确率超过 60%[ 3 ]。相反，最有能力的模型利用 SOTA LLM[ 4 ] 也只能达到 50% 以下的准确率。考虑到大量的预训练数据，当前人工智能与人类之间的差距更加明显。对 ARC 竞赛解决方案的研究可以为我们对人类思维中的直觉和推理过程进行建模提供重要见解，促进新型人工智能范式的构建。同时，“[至少，解决 ARC-AGI 将产生一种新的编程范式[ 5 ]”，只需展示几个输入输出示例，就可以让没有编码经验的人进行程序合成。2 竞赛细节 数据集 ARC Prize 竞赛提供三个数据集：公共训练集、公共评估集和私有评估集。公共训练集和公共评估集均包含 400 个任务文件，而私有评估集包含 100 个任务文件。每个任务有 2 到 10 对（通常为 3 个）示例和 1 到 3 对（通常为 1 个）测试[2, 6]。指标 我们可以通过两种方法评估性能： 1）像素正确性 - 正确推断的像素占总数的百分比； 2）正确/不正确 - 推断的输出在形状、颜色和位置方面是否与任务的测试输出相匹配。竞赛使用第二种方法评估提交内容[6]。
Jibo Kids Copus：儿童机器人的演讲数据集...
1。引言语言和扫盲技能的发展是基础教育的基石。然而，国家对教育进步评估的经验结果强调了现实：美国37％的四年级学生没有证明阅读能力与年级的期望相符（Irwin等人，2022）。扫盲基础是在关键的幼儿园和幼儿园时期建立的，在那里孩子们发展了诸如语音意识和信件知识之类的识字能力（Bus and van Ijzendoorn，1999年）。因此，这些早期发展阶段需要集中注意力和资源来促进语言增长。为了增强学习经验并利用这些进步，在教育空间中使用系统已变得司空见惯（Williams等人，2013年），但技术进步仍然必须解决一个重大障碍：当代的自动语音识别技术的表现不足，任务是为儿童的反应得分（Dutta等人，2022; Yeung and Alwan，2018年）。自动产生的儿童语音转录的容易出错的性质对他们整合到教育应用中构成了重大挑战。，1997; P´aez等。，2007年； Snow等。，2007年）。然而，综合儿童的语音数据库的显着稀缺性仍然存在于该领域，尤其是在纵向数据集中。，2022; Safavi等。，2012年； Yeung and Alwan，2018年）。，2018年； Kory等。研究的重点是幼儿园年龄的儿童强调了该年龄段的专门量身定制ASR系统的必要性，因为在Pre-K和幼儿园水平上开发的语音学和字母知识等识字能力可以支持识字技能的发展（Biemiller和Slonim，Slonim，Slonim，2001; Fishman and Pinkerman，2003; Hart et;这些纵向资源对于调查语言发展和精炼以儿童为中心的自动语音识别和说话者识别系统是无价的（Dutta等人。通过跟踪同一儿童，研究人员可以绘制语言获取的轨迹。这种理解可以指导专门针对儿童言语不断发展的特征的系统和技术的开发。（Yeung和Alwan，2019年）。纵向数据还促进了通过提供有关儿童语音模式如何发展，支持个性化学习环境和儿童手机互动等领域的应用程序的见解，从而促进了专门针对儿童声音的教育应用的发展。要有效地从儿童那里收集数据，研究人员必须设计涉及孩子体验的数据收集机制。社会机器人，具有交互式吸引儿童的能力，具有在临床和教育环境中实施这些数据驱动的见解的巨大潜力（Kanero等人，2013年； Westlund and Breazeal，2015年）。jibo被用来为幼儿园，幼儿园和一年级的儿童管理一系列结构化和半结构化任务。机器人可以促进针对各种目标的有针对性活动，包括评估语音发展和语音习得，以及加强发音技能。利用社会机器人的互动功能，Jibo（Spaulding and Chen，2018年），本文介绍了两年内收集的新颖的儿童演讲数据集。这些任务包括字母和数字标识以及说明任务。数据集的纵向组件，其中一部分参与者返回后续记录，促进了儿童言语中对发展轨迹的分析。作为较大的人类机器人相互作用（HRI）研究的一部分，评估了Yeung等人在课堂环境中社会机器人的有效性。（2019b），Yeung等。（2019a），Tran等。（2020），Johnson等。 （2022b）和Johnson等。 （2022a），本文对数据集的集合进行了全面讨论，包括设计注意事项和记录条件。（2020），Johnson等。（2022b）和Johnson等。（2022a），本文对数据集的集合进行了全面讨论，包括设计注意事项和记录条件。